发明名称 |
基于脑电非线性特征的情绪状态识别方法 |
摘要 |
本发明属于情绪状态识别技术。为提供一种更加客观的情绪状态识别方法,为心理疾病的治疗评价提供一个更加客观的评价方法,本发明采取的技术方案是,基于脑电非线性特征的情绪状态识别方法,包括数据采集与数据预处理、特征提取以及特征分析与分类识别步骤;数据采集与数据预处理是,利用图片对受试者进行情绪诱发,并记录其脑电信号,对采集的原始脑电信号进行预处理,包括改变参考电位、降采样、带通滤波、去除眼电四个步骤;特征提取是指功率谱熵的提取和相关维数提取;将提取的功率谱熵和相关维数两种特征进行特征层融合后,使用SVM或HMM分级区分。本发明主要应用于情绪状态识别。 |
申请公布号 |
CN102499677A |
申请公布日期 |
2012.06.20 |
申请号 |
CN201110425339.2 |
申请日期 |
2011.12.16 |
申请人 |
天津大学 |
发明人 |
明东;曾红梅;马岚;付兰;綦宏志;万柏坤 |
分类号 |
A61B5/0476(2006.01)I;A61B5/16(2006.01)I |
主分类号 |
A61B5/0476(2006.01)I |
代理机构 |
天津市北洋有限责任专利代理事务所 12201 |
代理人 |
刘国威 |
主权项 |
一种基于脑电非线性特征的情绪状态识别方法,其特征是,包括数据采集与数据预处理、特征提取以及特征分析与分类识别步骤;数据采集与数据预处理是,选择按照愉悦度范围分为八个等级的情绪图片,情绪图片等级越高诱发出的情绪越积极,情绪图片等级越低诱发出的情绪越消极,利用情绪图片对受试者进行情绪诱发,并记录其脑电信号,对采集的原始脑电信号进行预处理,包括改变参考电位、降采样、带通滤波、去除眼电四个步骤;特征提取是指功率谱熵的提取和相关维数提取;将提取的功率谱熵和相关维数两种特征进行特征层融合后,使用SVM或HMM将等级一、等级五、等级八的情绪状态区分开,SVM和HMM分别是Support Vector Machine和Hidden Markov Model的缩写;SVM指支持向量机,HMM指隐马尔科夫模型。 |
地址 |
300072 天津市南开区卫津路92号 |